百度无人车搞出“黑客帝国”！世界模型实时推演全局，跑一天抵三年

在深圳滨海大道、香港机场附近等不同场景中，几辆无人车可以从同一地点出发，驶向不同目的地，周围交通参与者的行为、道路环境的变化，以及相机、激光雷达的观测数据，都由世界模型持续生成。

杨泽博士提到，支撑这套系统运行的，是智能体交互建模、多视角多模态生成，以及完整驾驶闭环等技术的协同。

简单理解，就是世界模型根据已有环境状态和车辆动作，预测下一时刻的交通变化；驾驶模型读取生成的传感器数据后，做出转向、加速或者制动决策，再把动作反馈给世界模型。

为了让生成速度跟上驾驶决策，百度还通过知识蒸馏等方法加快模型推理，使虚拟环境能够实时响应车辆动作。

一套AI负责构建道路环境、不断提供新的驾驶考验，另一套AI则在其中反复练习，两者的关系就像教练与学员。如此循环，无人车就能在持续变化的环境里完成驾驶任务。

如果驾驶系统在某个场景下作出错误判断，研发人员还可以保留相同初始条件进行复现，调整周围车辆的行为，观察系统在不同情况下的表现。

没有固定剧本、可交互、可纠错、可溯源，这样的虚拟城市，由此具备了成为无人车训练场的条件。

不过，能持续运转只是前提之一。更关键的问题在于，什么样的世界模型，才能真正承担起无人驾驶的训练与验证？